数据来源:拉勾网爬取,具体步骤见:https://www.jianshu.com/p/6d34ea5ee2ad。
数据采集时间:2020.6.25
有效数据个数:450个
数据分析工具:python、jupyter notebook。
分析思路:
- 岗位要求和岗位福利
- 城市需求分布
- 工作经验需求
- 工作薪资分布
- 行业分布
数据清洗
原始数据:
450行60列。

这里我们只采用部分数据,其他多余数据全部去除。
选取数据字段如下:

岗位要求和岗位福利
对岗位要求和岗位福利进行分析,采用的方式是制作词云图。词云图能够提取出现频率较多的词组成一幅图。这里需要用到python中的Wordcloud和pyecharts库。
岗位福利词云图,具体代码如下:




得到的岗位福利图如下:

上图不难看出,五险一金、绩效奖金、带薪年假、弹性工作己成为大部分企业必备的福利。有些企业还有节日礼物、股票期权、专项奖金等的福利。
同理可以得到岗位要求图:

上图显示,岗位重要的是要有数据分析思维,其次掌握的技术有hadoop、java、spark、SQL。
城市需求分布


由上图可以看出,北京、上海、深圳对数据分析师的需求远超其他城市,北京岗位机会远超其他城市。 可以知道,大城市往往有更多的就业机会。
工作经验需求


可以看出,经验3-5年的数据分析师比重较大,其次为经验1-3年与经验5-10年。一般企业都会偏重经验在3-5年的数据分析师,这个阶段的分析师对业务比较熟悉,且对待一般的业务问题都有自己思路和间接。对比1-3年的分析师,1-3年的还处在对业务和思路的精进阶段,是重点的培养对象。
工作薪资分布
总体薪资水平



由上面两幅图,数据分析师的薪水大部分都集中在10-25k,其次是25-50k,属于薪资比较高的了。而平均薪水为 21.75K,薪资水平极差为50k,可以知道分析师的薪资水平悬殊较大。
top10城市平均水平


北京、珠海、长沙、杭州、上海是整体平均薪水最高的五个城市。
工资在北上广深和杭州随经验的变化

平均薪资情况可以看出,杭州和北京基本不招或者说少招应届毕业生。大部分城市都是年限越久工资越高,上海、北京、深圳给出的工资更高。
行业分布


上图可以明显看出,数据分析师占比最大三大领域是文娱、移动互联网以及金融。
经过以上的分析,可以总结以下:
数据分析职位薪资水平相对较高。
数据分析师需求集中一线城市。中部地区、二三线城市对数据分析不重视。
北京数据分析师的需求量比较大,换言之机会比较多。
北京平均薪资样本中出现的城市中最高。
上海需求量和薪资相比北京次之,机会会有增大的空间
数据分析职位随着工作经验的增长薪资水平也会增长
文娱,互联网服务和金融企业需求最大。
建议:
应届毕业生如果想做数据分析师,可以去北京、杭州机会多,这两个城市比较重视数据分析和人才培养。
数据分析经验为为1-3年的从业人员建议在学习分析工具的基础上去深入的了解业务。
对于3-5年从业经验的人员可以专注一个领域,若薪资范围低于平均水平,可适当选择跳槽资金状况较好的公司,因为3-5年经验相对来说上市公司和较有实力的公司重视度和需求最大。
5-10年工作经验人员相对业务和分析思想比较成熟,在一个领域中比较资深,可往管理方向发展。
网友评论